本申请提供了一种电动汽车能量回收效率影响因素挖掘方法及装置，该方法包括：获取车辆的减速区间数据；根据减速区间数据计算能量回收效率；对减速区间数据进行特征提取，生成候选特征集；根据候选特征集和能量回收效率构建回归模型；通过回归模型对候选特征集中的特征进行排序，得到排序结果；根据排序结果进行工况量化分析，得到能量回收效率影响因素挖掘结果；其中，能量回收效率影响因素挖掘结果至少包括能量回收效率潜在影响因素。可见，该方法能够进一步挖掘潜在的影响能量回收效率的其他因素，从而为能量回收提供更全面的分析依据。据。据。
【技术实现步骤摘要】
电动汽车能量回收效率影响因素挖掘方法及装置
[0001]本申请涉及电动汽车
，具体而言，涉及一种电动汽车能量回收效率影响因素挖掘方法及装置。
技术介绍
[0002]目前，电动汽车与传统燃油汽车的一个最重要区别就是电动汽车可以实现制动能量回收，回收一部分传统燃油汽车在制动过程中损失的能量，从而提高电动汽车的续驶里程。现有的能量回收效率相关的研究主要集中在能量回收效率的计算及回收策略控制，对于影响能量回收效率的因素探讨也局限于专家经验知识(即计算公式中的已知参数)，缺乏对能量回收效率影响因素的系统性研究以及对潜在影响因素进一步挖掘。可见，现有的方法局限于对已知显著影响因素进行分析，无法进一步挖掘分析潜在的影响能量回收效率的其他因素。
技术实现思路
[0003]本申请实施例的目的在于提供一种电动汽车能量回收效率影响因素挖掘方法及装置，能够进一步挖掘潜在的影响能量回收效率的其他因素，从而为能量回收提供更全面的分析依据。
[0004]本申请实施例第一方面提供了一种电动汽车能量回收效率影响因素挖掘方法，包括：
[0005]获取车辆的减速区间数据；
[0006]根据所述减速区间数据计算能量回收效率；
[0007]对所述减速区间数据进行特征提取，生成候选特征集；
[0008]根据所述候选特征集和所述能量回收效率构建回归模型；
[0009]通过所述回归模型对所述候选特征集中的特征进行排序，得到排序结果；
[0010]根据所述排序结果进行工况量化分析，得到能量回收效率影响因素挖掘结果；其中，所述能量回收效率影响因素挖掘结果至少包括能量回收效率潜在影响因素。
[0011]在上述实现过程中，该方法可以优先获取车辆的减速区间数据；然后，再根据减速区间数据计算能量回收效率；当计算出能量回收效率时，对减速区间数据进行特征提取，生成候选特征集；并根据候选特征集和能量回收效率构建回归模型；然后，再通过回归模型对候选特征集中的特征进行排序，得到排序结果；并在最后，根据排序结果进行工况量化分析，得到能量回收效率影响因素挖掘结果。可见，实施这种实施方式，能够进一步挖掘影响能量回收效率的其他潜在因素，从而为能量回收提供更全面的分析依据。
[0012]进一步地，所述获取车辆的减速区间数据，包括：
[0013]获取车辆行驶数据；
[0014]根据所述车辆行驶数据筛选连续的减速区间数据。
[0015]进一步地，根据所述减速区间数据计算能量回收效率，包括：
[0016]根据所述减速区间数据，计算电池回收的实际能量；
[0017]根据所述减速区间数据获取整车动能减少量和克服行驶阻力的消耗能量；
[0018]根据所述整车动能减少量和所述消耗能量计算理论可回收动能；
[0019]根据所述实际能量和所述理论可回收动能，计算能量回收效率。
[0020]进一步地，对所述减速区间数据进行特征提取，生成候选特征集，包括：
[0021]获取企标数据；
[0022]筛选所述企标数据中与能量回收相关的原始数据维度；其中，所述原始数据维度包括车速类维度、电控电机维度、驾驶行为维度、地理环境维度、电池维度中的一种或者多种；
[0023]在每个满足预设时长要求的减速区间内，根据所述原始数据维度对所述减速区间数据进行二次统计特征提取，得到候选特征集。
[0024]进一步地，根据所述候选特征集和所述能量回收效率构建回归模型，包括：
[0025]获取原始回归模型；
[0026]以所述候选特征集为输入，以所述能量回收效率为输出，对所述原始回归模型进行模型训练，得到训练好的回归模型。
[0027]进一步地，通过所述回归模型对所述候选特征集中的特征进行排序，得到排序结果，包括：
[0028]计算所述候选特征集中两两特征之间的特征相似度；
[0029]根据所述特征相似度对所述候选特征集进行特征分组，得到分组特征集；
[0030]通过预先构建的回归模型对所述分组特征集进行特征排序处理，得到排序结果。
[0031]进一步地，根据所述排序结果进行工况量化分析，得到能量回收效率影响因素挖掘结果，包括：
[0032]确定所述分组特征集中每组特征的所属工况大类；
[0033]根据所述排序结果和所述所属工况大类，确定所述分组特征集中每组特征的影响程度；
[0034]根据所述影响程度确定直观分析结果；
[0035]根据所述排序结果确定能量回收效率关键影响因素、能量回收效率潜在影响因素以及能量回收效率无关影响因素；
[0036]汇总所述直观分析结果、所述能量回收效率关键影响因素、所述能量回收效率潜在影响因素以及所述能量回收效率无关影响因素，得到能量回收效率影响因素挖掘结果。
[0037]本申请实施例第二方面提供了一种电动汽车能量回收效率影响因素挖掘装置，所述电动汽车能量回收效率影响因素挖掘装置包括：
[0038]获取单元，用于获取车辆的减速区间数据；
[0039]计算单元，用于根据所述减速区间数据计算能量回收效率；
[0040]特征提取单元，用于对所述减速区间数据进行特征提取，生成候选特征集；
[0041]构建单元，用于根据所述候选特征集和所述能量回收效率构建回归模型；
[0042]排序单元，用于通过所述回归模型对所述候选特征集中的特征进行排序，得到排序结果；
[0043]分析单元，用于根据所述排序结果进行工况量化分析，得到能量回收效率影响因
素挖掘结果；其中，所述能量回收效率影响因素挖掘结果至少包括能量回收效率潜在影响因素。
[0044]在上述实现过程中，该装置可以通过获取单元来获取车辆的减速区间数据；通过计算单元来根据减速区间数据计算能量回收效率；通过特征提取单元对减速区间数据进行特征提取，生成候选特征集；通过构建单元来根据候选特征集和能量回收效率构建回归模型；通过排序单元来通过回归模型对候选特征集中的特征进行排序，得到排序结果；通过分析单元来根据排序结果进行工况量化分析，得到能量回收效率影响因素挖掘结果；其中，能量回收效率影响因素挖掘结果至少包括能量回收效率潜在影响因素。可见，实施这种实施方式，能够进一步挖掘影响能量回收效率的其他潜在因素，从而为能量回收提供更全面的分析依据。
[0045]进一步地，所述获取单元包括：
[0046]第一获取子单元，用于获取车辆行驶数据；
[0047]第一筛选子单元，用于根据所述车辆行驶数据筛选连续的减速区间数据。
[0048]进一步地，所述计算单元包括：
[0049]第一计算子单元，用于根据所述减速区间数据，计算电池回收的实际能量；
[0050]第二获取子单元，用于根据所述减速区间数据获取整车动能减少量和克服行驶阻力的消耗能量；
[0051]所述第一计算子单元，还用于根据所述整车动能减少量和所述消耗能量计算理论可本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电动汽车能量回收效率影响因素挖掘方法，其特征在于，包括：获取车辆的减速区间数据；根据所述减速区间数据计算能量回收效率；对所述减速区间数据进行特征提取，生成候选特征集；根据所述候选特征集和所述能量回收效率构建回归模型；通过所述回归模型对所述候选特征集中的特征进行排序，得到排序结果；根据所述排序结果进行工况量化分析，得到能量回收效率影响因素挖掘结果；其中，所述能量回收效率影响因素挖掘结果至少包括能量回收效率潜在影响因素。2.根据权利要求1所述的电动汽车能量回收效率影响因素挖掘方法，其特征在于，所述获取车辆的减速区间数据，包括：获取车辆行驶数据；根据所述车辆行驶数据筛选连续的减速区间数据。3.根据权利要求1所述的电动汽车能量回收效率影响因素挖掘方法，其特征在于，根据所述减速区间数据计算能量回收效率，包括：根据所述减速区间数据，计算电池回收的实际能量；根据所述减速区间数据获取整车动能减少量和克服行驶阻力的消耗能量；根据所述整车动能减少量和所述消耗能量计算理论可回收动能；根据所述实际能量和所述理论可回收动能，计算能量回收效率。4.根据权利要求1所述的电动汽车能量回收效率影响因素挖掘方法，其特征在于，对所述减速区间数据进行特征提取，生成候选特征集，包括：获取企标数据；筛选所述企标数据中与能量回收相关的原始数据维度；其中，所述原始数据维度包括车速类维度、电控电机维度、驾驶行为维度、地理环境维度、电池维度中的一种或者多种；在每个满足预设时长要求的减速区间内，根据所述原始数据维度对所述减速区间数据进行二次统计特征提取，得到候选特征集。5.根据权利要求1所述的电动汽车能量回收效率影响因素挖掘方法，其特征在于，根据所述候选特征集和所述能量回收效率构建回归模型，包括：获取原始回归模型；以所述候选特征集为输入，以所述能量回收效率为输出，对所述原始回归模型进行模型训练，得到训练好的回归模型。6.根据权利要求1所述的电动汽车能量回收效率影响因素挖掘方法，其特征在于，通过所述回归模型对所述候选特征集中的特征进行排序，得...
【专利技术属性】
技术研发人员：周国飞，邓宇嘉，王泓，
申请(专利权)人：广汽埃安新能源汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。